【AgentScope Java新手村系列】(11)中断与恢复

简介: 中断与恢复 — AgentStateStore 按 sessionId 持久化上下文,浏览器关闭后秒级恢复对话与 todo 状态。

第十一章 中断与恢复:用 AgentStateStore 持久化会话,sessionId 实现断点续聊

"用户问了 3 轮突然关掉浏览器;20 分钟后用同一个会话 ID 回来——上一轮的上下文、todo、subagent 状态怎么全在?这是 2.0 的 AgentStateStore 后端(JsonFileAgentStateStore / RedisAgentStateStore / MysqlAgentStateStore)干的事,比 1.x 自己把 Memory 序列化 JSON 简单很多。"

本章你将学到:如何让 HarnessAgent 在中断后秒级恢复、如何在前端用 sessionId 做'断点续聊'、以及如何配合 Plan Mode 让用户的待办清单也跟着恢复。

11.1 中断与恢复的本质

1.x 时代,"中断恢复" 要自己做:

  1. 写一个 Memory 的 JSON 序列化器
  2. 启动时检查 session 目录,有旧 JSON 就 load 进 Memory
  3. 手动管理 session ID 与 cookie / token 的对应

2.0 把这件事下沉到 AgentStateStore 后端——HarnessAgent 调用时根据 RuntimeContext.sessionId() 去后端查状态;查到就 load 进 AgentState,查不到就当新会话。业务代码不需要写任何序列化逻辑

11.2 第一个可恢复会话

import io.agentscope.core.agent.RuntimeContext;
import io.agentscope.core.message.UserMessage;
import io.agentscope.core.model.DashScopeChatModel;
import io.agentscope.core.state.JsonFileAgentStateStore;
import io.agentscope.harness.HarnessAgent;

import java.nio.file.Path;
import java.util.List;

public class Chapter11_Resume {
   

    public static void main(String[] args) {
   
        // 用同一个 sessionId 模拟"用户先问一通,再回来问"
        String sessionId = "demo-user-9527-2026-06-07";

        HarnessAgent agent = HarnessAgent.builder()
                .name("assistant")
                .sysPrompt("你是一个中文助理,简洁回答。")
                .model(DashScopeChatModel.builder()
                        .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                        .modelName("qwen-plus")
                        .build())
                .workspace(Path.of("./workspace"))
                .stateStore(new JsonFileAgentStateStore(Path.of("./workspace")))  // 文件版 AgentStateStore
                .build();

        RuntimeContext ctx = RuntimeContext.builder()
                .sessionId(sessionId)
                .userId("9527")
                .build();

        // ---- 第一通对话 ----
        agent.call(List.of(new UserMessage("user", "我叫小李,在杭州做程序员。")), ctx).block();
        agent.call(List.of(new UserMessage("user", "我用什么语言开发?")), ctx).block();

        // 假装用户关掉浏览器。20 分钟后 JVM 重新跑 main() —— 实际生产里这是另一个进程。

        // ---- 20 分钟后:用同一 sessionId 接着问 ----
        agent.call(List.of(new UserMessage("user", "我叫什么?在哪个城市?")), ctx).block();
        // 输出会包含:"你叫小李,在杭州做程序员。"
    }
}

第一次跑:

[reply] 你好小李,很高兴认识你。
[reply] 根据你刚才提供的信息,你在杭州做程序员。

关掉进程,删掉进程内变量;第二次跑(同一个 workspace、同一个 sessionId):

[reply] 早上好小李。有什么可以帮你?
[reply] 你叫小李,在杭州做程序员。

——完整恢复

11.3 三个常见的"断点续聊"场景

11.3.1 浏览器刷新

最简单:前端把 sessionIdlocalStorage,刷新后从 localStorage 取出、塞回请求参数。后端完全无感。

let sessionId = localStorage.getItem("sessionId");
if (!sessionId) {
   
  sessionId = crypto.randomUUID();
  localStorage.setItem("sessionId", sessionId);
}

fetch(`/api/agent/chat?sessionId=${
     sessionId}`, {
   
  method: "POST",
  body: JSON.stringify({
    text: "我叫什么?" }),
});

11.3.2 用户切换设备

用户在手机问了一通,到电脑上想接着聊。把手机端的 sessionId 暴露成"会话恢复码",让用户在电脑端输入;后端用同一个 sessionId 调 agent。

注意AgentStateStore 不感知设备。要加一层 user_id → session_id 的映射(自己做或者用 Spring Session)。

11.3.3 用户主动重置

提供"清空对话"按钮——后端开新 sessionId

@PostMapping("/session/reset")
public Map<String, String> reset(@RequestParam String userId) {
   
    String newId = "user-" + userId + "-" + System.currentTimeMillis();
    return Map.of("sessionId", newId);
}

老会话状态会自然过期(按 AgentStateStore 后端的 TTL 清理)。

11.4 Plan Mode 与 todo 的恢复

如果开了 Plan Mode(HarnessAgent.enablePlanMode()),todo_write 写下的待办也会被 AgentStateStore 持久化。例:

HarnessAgent agent = HarnessAgent.builder()
        ...
        .enablePlanMode(true)
        .build();

用户在第一通对话里让 agent 计划"调研 5 件事"——agent_todo 会被持久化;用户回来时:

"上次我让你调研的 5 件事,现在做到哪了?"

agent 会读 AgentStateStore 里的 todo 列表,把状态念给用户听。

11.5 用 RedisAgentStateStore 做生产级恢复

JsonFileAgentStateStore 适合开发与单机部署;多实例 / 多机部署要用 RedisAgentStateStore(见第 5 章):

HarnessAgent agent = HarnessAgent.builder()
        .stateStore(RedisAgentStateStore.builder()
                .jedisClient(new UnifiedJedis("redis://127.0.0.1:6379"))
                .build())
        .build();

恢复流程一模一样,区别只在"状态存在 Redis 而非本地 JSON"。

11.6 主动重连 vs 自动重连

场景 推荐策略
用户离开 5 分钟 不主动重连——AgentStateStore 一直保留;用户回来直接续
30 分钟未活动 由前端弹"是否继续"按钮,避免 token 浪费
1 小时未活动 后端 cron 清理 Redis 里的旧 session
24 小时未活动 强制清空(保留 MEMORY.md 长期记忆)

RedisAgentStateStore 可以设 TTL;JsonFileAgentStateStore 可以用 Files.deleteIfExists 自己写清理脚本。

11.7 完整可运行示例

import io.agentscope.core.agent.RuntimeContext;
import io.agentscope.core.message.UserMessage;
import io.agentscope.core.model.DashScopeChatModel;
import io.agentscope.core.state.JsonFileAgentStateStore;
import io.agentscope.harness.HarnessAgent;

import java.nio.file.Path;
import java.util.List;
import java.util.concurrent.TimeUnit;

public class Chapter11_Interrupted {
   

    public static void main(String[] args) throws InterruptedException {
   
        String sessionId = "u-9527-2026-06-07";

        HarnessAgent agent = HarnessAgent.builder()
                .name("assistant")
                .sysPrompt("你是一个中文助理。")
                .model(DashScopeChatModel.builder()
                        .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                        .modelName("qwen-plus")
                        .build())
                .workspace(Path.of("./workspace"))
                .stateStore(new JsonFileAgentStateStore(Path.of("./workspace")))
                .build();

        RuntimeContext ctx = RuntimeContext.builder()
                .sessionId(sessionId).userId("9527").build();

        // ---- Round 1 ----
        agent.call(List.of(new UserMessage("user", "我养了一只橘猫,叫'小年'。")), ctx).block();
        agent.call(List.of(new UserMessage("user", "它叫什么?")), ctx).block();

        System.out.println("=== 模拟用户关闭浏览器 5 秒 ===");
        TimeUnit.SECONDS.sleep(5);

        // ---- Round 2:模拟"再回来" ----
        agent.call(List.of(new UserMessage("user", "我养了什么宠物?")), ctx).block();
    }
}

11.8 本章小结

  • AgentStateStore 是 2.0 中断恢复的核心,业务代码无需写序列化。
  • 同一 sessionId + 同一 AgentStateStore 后端 = 上下文自动恢复。
  • Plan Mode 的 todo 也会被 AgentStateStore 持久化。
  • 生产用 RedisAgentStateStore,开发用 JsonFileAgentStateStore
  • RC2 中 Agent 完全无状态化——同一实例可安全并发服务多 (userId, sessionId) 组合。
目录
相关文章
|
11天前
|
缓存 测试技术 API
Qwen 3.7 Plus 与 Max 实测:性价比与多模态能力差异解析(2026)
2026 年 6 月 1 日,阿里悄无声息地发布了 Qwen 3.7 Plus,距 Qwen 3.7 Max 上线刚好 11 天。同样的 1M 上下文,同样的 35 小时自治上限。但价格才是头条:Plus 是 0.40/M输入,Max是 2.50/M——便宜约 6 倍——并且还能看图、看视频。Vision Arena 上 Plus 已经排到 #16。所以这周真正值得讨论的问题不是”要不要为视觉能力买单”,而是”Max 凭什么用 6 倍价格换来 2 个百分点的 benchmark 领先”。
|
11天前
|
JavaScript 定位技术 API
CodeGraph 爆火:编程 Agent 需要的不是更多上下文,而是一张提前画好的代码地图
CodeGraph 是一款爆火的本地代码智能工具,通过 tree-sitter 解析 AST 构建结构化知识图谱(存于 SQLite),为编程 Agent 提前生成“代码地图”。它显著降低 Agent 在中大型项目中的探索成本——实测工具调用减少71%、Token 降57%、速度提升46%,支持19+语言及主流框架路由识别,完全离线、无需 API Key。
844 11
CodeGraph 爆火:编程 Agent 需要的不是更多上下文,而是一张提前画好的代码地图
|
11天前
|
人工智能 运维 JavaScript
阿里云Qoder CN(原通义灵码)全解析 产品形态、版本划分与技术适配说明
在AI辅助开发与智能办公工具持续普及的当下,阿里云旗下原通义灵码正式更名为Qoder CN,同时延伸出QoderWork CN、Qoder CN CLI、Qoder CN Mobile等多款配套产品,形成覆盖代码开发、日常办公、终端交互、移动端使用的完整工具矩阵。Qoder CN核心定位为AI智能编码助手,深度适配主流代码编辑器、集成开发环境以及终端场景;QoderWork CN则偏向桌面端综合办公辅助,二者面向不同使用场景,划分了多个版本档位,搭配差异化资源配额、功能权限与计费规则,同时兼容多款主流大模型。
857 7
|
11天前
|
存储 安全 Java
AgentScope Java 2.0:打造分布式、企业级智能体底座
AgentScope 2.0 面向分布式部署、稳定运行、权限安全等企业级需求全面升级,打造支持多租户隔离与长期稳定运行的企业级智能体底座。
|
11天前
|
JSON 缓存 安全
通过 CC Switch 本地路由让 Codex CLI 接入 DeepSeek 等第三方模型
CC Switch 通过本地路由(`127.0.0.1:15721`)实现协议转换:将 Codex 的 Responses API 请求自动映射为 DeepSeek 等厂商的 Chat Completions 接口,兼容流式响应与工具调用,无需修改 Codex 源码,安全隔离 API Key。(239字)
2313 6
通过 CC Switch 本地路由让 Codex CLI 接入 DeepSeek 等第三方模型
|
11天前
|
人工智能 弹性计算 安全
阿里云618活动时间、活动入口、优惠活动详细解读
2026年阿里云618创新加速季已全面开启,作为年度力度最大的云产品促销活动,本次大促覆盖轻量应用服务器、ECS云服务器、GPU云服务器、数据库、AI算力、安全服务、CDN等全品类产品,推出5亿元算力补贴、新用户限时秒杀、普惠满减、企业专享、免费试用、云大使返佣等多重福利,个人开发者、中小企业、AI团队均可享受专属低价。本文将系统梳理2026年阿里云618活动的完整时间节点、官方参与入口、各类优惠细则、使用规则、热门产品推荐及实操代码,帮助用户精准参与、高效省钱,以最低成本完成上云部署。
1881 6
|
11天前
|
数据采集 人工智能 前端开发
让 Coding Agent 从黑盒到透明:阿里云 Agent 观测审计数据采集实践
AI Agent 规模化落地带来执行黑盒、行为难追溯、成本难度量三大难题。阿里云基于 OTel 标准,面向 Coding Agent、个人通用助理和框架型 Agent,推出 LoongSuite Pilot、插件及探针等无侵入采集方案,让 Agent 实现可看见、可分析、可审计、可治理。
785 150
|
11天前
|
人工智能 运维 自然语言处理
阿里云百炼Qwen3.7-Max模型详解:综合能力、核心优势与订阅计划参考指南
2026年,大模型技术持续向通用化、高性能、场景化方向迭代,阿里云百炼作为一站式大模型服务平台,持续推出迭代升级的模型产品,Qwen3.7-Max便是当前主力旗舰级大模型之一。该模型依托深度优化的底层架构与大规模训练数据,在文本理解、逻辑推理、多模态交互、代码生成、长文本处理等多个维度实现能力升级,同时搭配灵活的订阅计划体系,能够适配个人开发者、中小企业、大型企业、政企机构等不同类型用户的使用需求。
633 2

热门文章

最新文章